[发明专利]一种双语短文本匹配方法

权利要求书

1.一种双语短文本匹配方法，其特征在于，包括以下步骤：

步骤1，建立双语LDA模型；

步骤2，将包含相同主题的不同语言的两个短文本，分别输入双语LDA模型，得到两个短文本的主题表示；

步骤3，将两个短文本分别经过embedding、双向LSTM，得到两个短文本的语义表示；

步骤4，将两个短文本的主题表示和语义表示分别串联起来，得到两个短文本向量；

步骤5，计算所述两个短文本向量的相似度，如果相似度大于设定的阈值，则所述两个短文本相似。

2.根据权利要求1所述的双语短文本匹配方法，其特征在于，所述步骤1以语料库中的文档为训练样本建立双语LDA模型，具体包括以下步骤：

步骤1.1，给语料库中每个文档中的每个词随机地赋予一个主题序号k，1≤k≤K，K为主题总数；

步骤1.2，针对每个词，根据文档中其它词的主题序号预测当前词的主题概率分布，然后根据所述主题概率分布采样一个主题序号作为当前词的主题；

步骤1.3，重复步骤1.2，直至文档中所有词的主题序号不再变化为止；

步骤1.4，统计所有词的主题，得到文档-主题概率分布θ，以及源语言短文本第t个词的词-主题概率分布和目标语言短文本第t个词的词-主题概率分布

θ＝{θ₁,θ₂,…,θ_K}

式中，k为主题序号，1≤k≤K，K为主题总数；α、β^S、β^T分别为预设的文档-主题、源语言短文本的词-主题、目标语言短文本的词-主题的共轭先验概率，源语言和目标语言分别为两个短文本采用的语言；为源语言短文本第t个词被分配为第k个主题的次数；为目标语言短文本第t个词被分配为第k个主题的次数。

3.根据权利要求1所述的双语短文本匹配方法，其特征在于，所述阈值为0.5。